The purpose of this study was to apply the deep running method to real estate price index predicting and to compare it with the time series analysis method to test the possibility of its application to real estate market forecasting. Various real estate price indices were predicted using the DNN (deep neural networks) and LSTM (long short term memory networks) models, both of which draw on the deep learning method, and the ARIMA (autoregressive integrated moving average) model, which is based on the time seies analysis method. The results of the study showed the following. First, the predictive power of the deep learning method is superior to that of the time series analysis method. Second, among the deep learning models, the predictability of the DNN model is slightly superior to that of the LSTM model. Third, the deep learning method and the ARIMA model are the least reliable tools for predicting the housing sales prices index among the real estate price indices. Drawing on the deep learning method, it is hoped that this study will help enhance the accuracy in predicting the real estate market dynamics.
Proceeding of Spring/Autumn Annual Conference of KHA
/
2011.04a
/
pp.285-289
/
2011
he purpose of this study is to assess the effects of real estate policy on apartment price index in Seoul. To meet the research goal, this research reviewed real estate policy of the government from January of 1986 to August of 2010, and then it collected monthly apartment price index in 25 local districts of Seoul from January of 2003 to August of 2010. After 25 districts were grouped into 2 areas (14 districts in Gangnam and 11 districts in Gangbuk), the data of two areas were analyzed by using the SAS program, Cluster analysis with Ward method showed 3 clusters on each area, and with 6 clusters in total, the effects of real estate policy in the period were examined by using residual analysis. The analysis indicated two major shocks (one was from May to October of 2003, and the other was from March of 2006 to January of 2007), and the results showed that the intervention of government in the market had the asymmetric effects in bullish and bearish times. It implies that the market volatility is substantially influenced by irrational sentiments. Thus, it's suggested to devise the consumer sentiment index suitable in real estate market.
The Journal of the Korea institute of electronic communication sciences
/
v.5
no.2
/
pp.205-213
/
2010
This study was to analyze the past regime's real estate policy and the time-series data on real estate price index from 1986 to 2009 in 24 years. Also, the real estate index and macroeconomic variables, the impact on house price index variable conducted to regression analysis and to analyze whether and how much is affected. Analyzed as follows: First, Korea's real estate policy was the post-policy and the past regime's real estate policy was inconsistent with each other. Second, in the normal phase whenever real estate issues, the measures of the strengthening regulation and of the economic recovery were only to repeat periodically. Third, the timing and means of policy enforcement was an inappropriate and Real estate market was getting worse at the time whenever a real estate policies performed. Fourth, The apartments prices index of the housing types rose the highest and were the most popular for 24 years. Increase or decrease the amount of the price index for apartments, Roh Tae-woo(65.0%) - Kim Dae-jung (42.5%) - Roh Moo-hyun (32.8%) were in order. Fifth, the results of the regression analysis carried out: The impact on housing prices among independent variables were followed by Cap Construction- one per capita income - Housing consumer price index - Accompanying Composite Index - Trailing Composite Index - Home subscription Subscriber account - Leading Composite Index.
Korean Journal of Construction Engineering and Management
/
v.11
no.5
/
pp.41-52
/
2010
Even though REITs (Real Estate Investment Trusts) are listed on the stock market, REITs have characteristics that allow them to invest in real estate and financing for real estate development. Therefore REITs is related with stock market and construction business and real estate business. Using time-series analysis, this study analyzed REITs in relation to construction businesses, real estate businesses, and the stock market, and derived influence factor of REITs. We used the VAR (vector auto-regression) and the VECM (vector error correction model) for the time-series analysis. This study classified three steps in the analysis. First, we performed the time-series analysis between REITs and construction KOSPI(The Korea composite stock price index) and the result showed that construction KOSPI influenced REITs. Second, we analyzed the relationship between REITs and construction commencement area of the coincident construction composite index, office index and housing price index in real estate business indexes. REITs and the housing price index influence each other, although there is no causal relationship between them. Third, we analyzed the relationship between REITs and the construction permit area of the leading construction composite index. The construction permit area is influenced by REITs, although there is no causal relationship between these two indexes, REITs influenced the stock market and housing price indexes and the construction permit area of the leading composite index in construction businesses, but exerted a relatively small influence in construction starts coincident with the composite office indexes in this study.
The Transactions of the Korea Information Processing Society
/
v.13
no.5
/
pp.209-216
/
2024
Real estate market prices are determined by various factors, including macroeconomic variables, as well as the influence of a variety of unstructured text data such as news articles and social media. News articles are a crucial factor in predicting real estate transaction prices as they reflect the economic sentiment of the public. This study utilizes sentiment analysis on news articles to generate a News Sentiment Index score, which is then seamlessly integrated into a real estate price prediction model. To calculate the sentiment index, the content of the articles is first summarized. Then, using AI, the summaries are categorized into positive, negative, and neutral sentiments, and a total score is calculated. This score is then applied to the real estate price prediction model. The models used for real estate price prediction include the Multi-head attention LSTM model and the Vector Auto Regression model. The LSTM prediction model, without applying the News Sentiment Index (NSI), showed Root Mean Square Error (RMSE) values of 0.60, 0.872, and 1.117 for the 1-month, 2-month, and 3-month forecasts, respectively. With the NSI applied, the RMSE values were reduced to 0.40, 0.724, and 1.03 for the same forecast periods. Similarly, the VAR prediction model without the NSI showed RMSE values of 1.6484, 0.6254, and 0.9220 for the 1-month, 2-month, and 3-month forecasts, respectively, while applying the NSI led to RMSE values of 1.1315, 0.3413, and 1.6227 for these periods. These results demonstrate the effectiveness of the proposed model in predicting apartment transaction price index and its ability to forecast real estate market price fluctuations that reflect socio-economic trends.
NGUYEN, Ha Minh;PHAN, Hung Quoc;TRAN, Tri Van;TRAN, Thang Kiem Viet
The Journal of Asian Finance, Economics and Business
/
v.7
no.6
/
pp.517-524
/
2020
The study examines factors affecting apartment prices in the real estate market of Ho Chi Minh City, Vietnam. The study uses primary data based on surveys of customers who have traded successfully, and collects transaction data from real estate trading companies that are the top investors in Ho Chi Minh City real estate market. The collected data include 384 observations in a total of 24 districts, detailing that each district surveyed on a minimum of four projects, each project carried out a survey on a minimum of four apartments. The survey collected 339 valid questionnaires for analysis and model testing. This study employs multivariate regression with the data of 339 observations. The research results reveal that five significant factors affect positively the price of apartments in Ho Chi Minh City - apartment area, toilet and bedroom, apartment floor, reference price, and apartment interior. Besides, there are three significant factors affecting negatively the price of apartments - next price trend, distance to city center, and potential building. From the results, the research proposes solutions in the pricing of apartments in the real estate market in Ho Chi Minh City - better information system, a real estate transaction index, and stricter management of small brokerage activities.
As people invest most of their asset in real estate, there is high interest in changing in housing and real estate prices in the future for a digital economy. Various variables are affecting the housing and real estate market. Among them, four variables : households, productive population, interest rate and index price are chosen and analyzed representatively. This study is aimed to build decision model of apartment prices in Seoul empirically. From the analysis result the stock index is the only variable which is significant statistically to apartments in Seoul. From this study, the households and productive population show the same direction as shown in the previous studies before but not significant statistically. Among the independent variables, the stock index is chosen as a major variable of determinant of Seoul apartment price. From the result of the research, prediction of stock market should be preceded to forecast the movement of housing and real estate market in the future.
International journal of advanced smart convergence
/
v.12
no.4
/
pp.75-87
/
2023
We designed to employ an Artificial Intelligence learning model to predict real estate prices and determine the reasons behind their changes, with the goal of using the results as a guide for policy. Numerous studies have already been conducted in an effort to develop a real estate price prediction model. The price prediction power of conventional time series analysis techniques (such as the widely-used ARIMA and VAR models for univariate time series analysis) and the more recently-discussed LSTM techniques is compared and analyzed in this study in order to forecast real estate prices. There is currently a period of rising volatility in the real estate market as a result of both internal and external factors. Predicting the movement of real estate values during times of heightened volatility is more challenging than it is during times of persistent general trends. According to the real estate market cycle, this study focuses on the three times of extreme volatility. It was established that the LSTM, VAR, and ARIMA models have strong predictive capacity by successfully forecasting the trading price index during a period of unusually high volatility. We explores potential synergies between the hybrid artificial intelligence learning model and the conventional statistical prediction model.
Journal of the Economic Geographical Society of Korea
/
v.25
no.1
/
pp.171-181
/
2022
The real estate price index plays key roles as quantitative data in real estate market analysis. International organizations including OECD publish the real estate price indexes by country, and the Korea Real Estate Board announces metropolitan-level and municipal-level indexes. However, when the index is set on the smaller spatial unit level than metropolitan and municipal-level, problems occur: missing values. As the spatial scope is narrowed down, there are cases where there are few or no transactions depending on the unit period, which lead index calculation difficult or even impossible. This study suggests a supervised learning-based machine learning model to compensate for missing values that may occur due to no transaction in a specific range and period. The models proposed in our research verify the accuracy of predicting the existing values and missing values.
The information about transactions of real estate has tended to be not open. Therefore, it has been difficult for individuals to judge the proper price of each real estate. In the course of time several studies have been conducted on proposing criterions for judging the proper price of real estates. As to office buildings and apartments, it is proved techniques required for making criterions have been achieved to a certain extent. Therefore, this research aims to make methods that propose to consumers reliable criteria for judging the proper price of detached houses. The methods are based on hedonic price method and micro-level spatial elements peculiar to detached houses are considered.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.